二维码资源一览表
序
前言
第1章绪论1
1.1智能控制的内涵和特点1
1.2智能控制的结构理论2
1.2.1二元结构论2
1.2.2三元结构论2
1.2.3四元结构论3
1.2.4多元结构或树形结构3
1.3智能控制与传统控制的关系3
1.4智能控制系统的类型4
1.4.1分级递阶控制系统4
1.4.2专家控制系统5
1.4.3人工神经网络控制系统5
1.4.4模糊控制系统6
1.4.5智能优化与智能控制融合7
1.5智能控制的应用7
1.5.1智能控制在航空航天领域中的
应用7
1.5.2智能控制在工业生产过程中的
应用8
1.5.3智能控制在医疗卫生领域中的
应用9
1.5.4智能控制在军事国防中的应用10
1.5.5智能控制在农业工程中的应用10
1.5.6智能控制在智能社会和其他领域中
的应用10
1.6本章小结11
习题11
参考文献11
第2章模糊控制13
2.1模糊控制的基本概念和数学基础13
2.1.1模糊控制器的设计步骤14
2.1.2性能评价14
2.1.3语言变量、语言值和规则14
2.1.4模糊集合、模糊规则和模糊
推理16
2.1.5解模糊25
2.2基于倒立摆的模糊控制设计27
2.2.1模糊控制器的输入和输出选择28
2.2.2控制知识的融入规则28
2.2.3知识的模糊量化31
2.2.4规则的匹配33
2.2.5结论的确定36
2.2.6结论转换成控制作用（解模糊）37
2.2.7模糊决策的图形描述39
2.3Takagi-Sugeno模糊系统40
2.3.1Takagi-Sugeno模糊系统概述40
2.3.2广义T-S模糊模型42
2.4基于MATLAB的锅炉蒸汽压力双模糊
控制仿真43
2.5自适应模糊控制47
2.5.1问题的提出与阐述48
2.5.2间接自适应模糊控制器设计48
2.5.3直接自适应模糊控制器设计50
2.5.4单级倒立摆自适应模糊控制设计
仿真实例52
2.6本章小结54
习题55
参考文献56
第3章模糊建模和模糊辨识58
3.1模糊模型的类型与分割形式58
3.1.1Mamdani模糊模型58
3.1.2Tsukamoto模糊模型60
3.1.3模糊模型的分割形式60
3.2模糊系统的通用近似特性61
3.2.1模糊基函数61
3.2.2模糊系统的通用逼近性62
3.2.3用于函数近似的模糊系统求解64
3.3模糊辨识和估计的算法65
3.3.1模糊辨识的数据选择65
3.3.2最小二乘算法65
3.3.3梯度算法70
3.3.4模糊聚类法74
3.3.5混合算法77
3.4本章小结78
习题78
参考文献78
第4章神经网络控制79
4.1神经网络理论基础79
4.1.1神经网络原理79
4.1.2神经网络的结构和特点81
4.1.3神经网络学习83
4.2前馈神经网络85
4.2.1感知器85
4.2.2BP神经网络88
4.2.3RBF神经网络95
4.2.4LVQ神经网络100
4.3反馈神经网络102
4.3.1Hopfield神经网络102
4.3.2Kohonen网络110
4.4神经网络控制114
4.4.1神经网络控制的基本思想114
4.4.2神经网络直接逆动态控制115
4.4.3神经网络PID控制116
4.4.4神经网络自适应控制123
4.4.5神经网络内模控制127
4.5本章小结133
习题133
参考文献134
第5章模糊神经网络137
5.1引言137
5.2模糊系统与神经网络的融合方式138
5.2.1基于模糊技术的神经网络138
5.2.2基于神经网络的模糊系统138
5.2.3模糊逻辑与神经网络在结构上的
融合138
5.3模糊神经网络学习算法139
5.4自适应神经网络模糊推理系统139
5.4.1自适应网络139
5.4.2自适应神经-模糊推理系统
（ANFIS）146
5.4.3基于多模型的气动执行器故障
诊断149
5.5基于T-S模糊模型的递归神经网络在
系统辨识中的应用156
5.5.1基于T-S模糊模型的递归神
经网络156
5.5.2基于T-S模糊模型的递归神经网络
在系统辨识中的应用158
5.5.3仿真实例160
5.6本章小结162
习题162
参考文献163
第6章专家控制系统165
6.1专家系统165
6.1.1专家系统的结构特点与分类166
6.1.2专家系统的建立步骤168
6.2专家控制系统169
6.2.1专家控制系统的结构与设计169
6.2.2PID专家控制器应用实例172
6.3模糊专家系统174
6.3.1模糊专家系统的结构与设计174
6.3.2模糊专家系统应用实例175
6.4神经网络专家系统176
6.4.1神经网络专家系统的结构
与设计176
6.4.2神经网络专家系统应用实例177
6.5本章小结179
习题180
参考文献180
第7章其他智能控制182
7.1遗传算法182
7.1.1遗传算法的基本操作182
7.1.2遗传算法的实现190
7.1.3遗传算法的应用192
7.2DNA计算195
7.2.1DNA的结构195
7.2.2DNA计算的原理197
7.2.3DNA计算与其他软计算的集成197
7.3粒子群算法209
7.3.1粒子群算法的计算模型210
7.3.2粒子群优化算法的参数设置212
7.3.3基于粒子群算法的PID参数
优化214
7.4本章小结217
习题218
参考文献218
第8章深度学习在智能控制中的
应用221
8.1深度学习概述221
8.2经典深度学习算法介绍222
8.2.1基于受限玻耳兹曼机的深度信念
网络概述与原理222
8.2.2卷积神经网络概述与原理223
8.2.3基于自动编码器的堆叠自编码器
概述与原理225
8.2.4递归神经网络概述与原理226
8.3自动编码网络在易混淆目标识别中的
应用227
8.3.1视皮层简略模拟228
8.3.2易混淆目标关键点信息解码230
8.3.3实验设置230
8.3.4网络输出视觉化230
8.3.5易混淆目标关键点信息解码
性能231
8.4卷积神经网络在心电图自动分类中的
应用232
8.4.1数据集233
8.4.2数据预处理233
8.4.3R波峰值点的提取和心拍分割233
8.4.4基于心律失常自动检测的卷积
神经网络结构234
8.4.5训练算法235
8.4.6实验结果235
8.5基于鸟类视觉信息处理机制的大视场
小目标检测模型237
8.5.1大视场小目标检测框架238
8.5.2显著性区域提取239
8.5.3图像裁剪与超分辨率分析239
8.5.4检测器240
8.5.5实验结果240
8.6本章小结242
习题242
参考文献242